Een goede prompt hoeft niet lang te zijn. De nieuwste richtlijnen van OpenAI leggen juist de nadruk op duidelijke uitkomsten, relevante context, beperkingen en expliciete succescriteria. Het idee daarachter is eenvoudig: iedere belangrijke keuze die je niet zelf specificeert, moet het model voor je invullen. Dat kan prima uitpakken, maar evengoed leiden tot een antwoord dat technisch correct is en toch niet is wat je bedoelde.
Voor de voorbereidingen van de inhoud en creatie van de visuals wordt (uiteraard) gebruikgemaakt van generatieve AI.
Beschrijf zelf wat een goed eindresultaat is
Wanneer een AI-antwoord tegenvalt, ligt de schuld al snel bij het model. Maar vaak begint het probleem eerder: bij informatie die nooit in de prompt stond.
Vraag bijvoorbeeld:
“Schrijf een speech voor de bruiloft van mijn zus.”**
Daarmee weet het model wel wat het moet maken, maar bijna niets over de omstandigheden. Het moet zelf bepalen hoe lang de speech moet zijn, wie er in de zaal zit, hoe persoonlijk of grappig hij mag worden en wanneer de tekst als afgerond kan worden beschouwd. Moderne modellen zijn goed genoeg om zulke gaten overtuigend op te vullen. Precies daardoor vallen de aannames soms nauwelijks op.
Maar OpenAI adviseert in zijn actuele promptingdocumentatie om veel duidelijker te beschrijven wat een goed eindresultaat is, welke beperkingen gelden en wanneer de opdracht succesvol is uitgevoerd. Voor nieuwere modellen is dat volgens OpenAI vaak effectiever dan uitgebreide stap-voor-stapinstructies. [OpenAI Developers]
Vier onderdelen zijn meestal genoeg
Voor dagelijks gebruik is die aanpak terug te brengen tot vier vragen.
1. Welk resultaat wil je?
Niet alleen “schrijf iets”, maar bijvoorbeeld: schrijf een persoonlijke huwelijksspeech van ongeveer drie minuten.
2. Voor wie is het bedoeld?
Een tekst voor vrienden verschilt van een presentatie voor een directie, een uitleg voor beginners of een technische nota voor ontwikkelaars. OpenAI noemt expliciete doelgroep- en lengterichtlijnen als nuttige manier om output te sturen.
3. Welke context en beperkingen gelden?
Denk aan toon, beschikbare bronnen, verboden onderwerpen, budget, lengte of bedrijfsregels. Alleen informatie die echt gedrag verandert hoeft erin.
4. Wanneer is het klaar?
Succescriteria voorkomen dat het model zelf moet bepalen hoeveel detail voldoende is. Bij een analyse kan dat bijvoorbeeld betekenen: drie conclusies, onderbouwd met bronnen, plus één aanbeveling.
De oorspronkelijke huwelijksprompt wordt dan bijvoorbeeld:
> Schrijf een warme huwelijksspeech van ongeveer drie minuten voor mijn zus. Het publiek bestaat uit familie en goede vrienden. Houd de humor vriendelijk en vermijd gênante jeugdverhalen. Verwerk één korte herinnering uit onze jeugd en eindig met een toast op het bruidspaar.
Veel langer is dat niet. Maar vrijwel alle beslissingen die ertoe doen zijn nu ingevuld.
Meer instructies kunnen juist slechter werken
De opvallendste verandering in recente promptingadviezen is misschien dat meer tekst niet automatisch beter is.
OpenAI waarschuwt dat oude promptstacks vaak te veel procesinstructies bevatten omdat eerdere modellen meer begeleiding nodig hadden. Bij nieuwere modellen kan dat juist ruis toevoegen, de oplossingsruimte beperken of mechanische antwoorden opleveren. De aanbeveling verschuift daarom naar outcome-first prompting: beschrijf de bestemming duidelijk en laat het model, waar mogelijk, zelf de route kiezen.
Dat betekent niet dat detail onbelangrijk wordt. Het betekent dat detail selectiever moet worden.
De beste vraag is dus niet: heb ik genoeg woorden geschreven?, maar eerder: heb ik de beslissingen die voor mij belangrijk zijn zelf genomen, of laat ik ze ongemerkt door het model invullen?
Daar zit waarschijnlijk het grootste verschil tussen een prompt die “wel iets bruikbaars” oplevert en een prompt die meteen dicht bij het gewenste resultaat komt.